看懂这十步，8岁的小朋友都能理解深度学习

下面是Yann LeCun计划的最早的LeNet-5卷积神经收集，这是图像辨认规模的几个早期成就之一。

9、靠反向撒播实现自我改造

不外，整个进程不但靠卷积完成，还必要依赖神经收集自身进修和顺应的手段，好比借助一种叫做反向撒播的要领，靠权重来镌汰神经元的数目。

简朴来讲，我们看神经收集的输出的功效，假如输出的这个分类是错的，好比把手写的6认成了9，我们就以为，个中有一个过滤器犯了个错误，是个不靠谱的过滤器，担不起本身的责任，就把它的权重低落，下次神经收集就不会犯同样的错误了。

这样，整个神经收集体系就拥有了进修手段，保持自我晋升。

10、写在最后

找了数千张图片，运行了数十个过滤器，采样输出……全部的步调都可以美满的同时搞定，因此得当在GPU上运行。

其它，我们还没有接头精确率的题目，在图像辨认比赛ImageNet中，按照积年的功效，我们可以看出，跟着神经收集层数的增进，精确率在不绝晋升。

最后，本文讲得固然是辨认手写字母，但全部的图像辨认，无论是用于医疗照旧用于自动驾驶，道理都是一样的，靠许多层神经收集、各类滤波器，在差异的矩阵上做各类调动。

也就是说，全部图像辨认都是在GPU上运行的矩阵运算。

传送门

英文原文：

https://www.ovh.com/blog/deep-learning-explained-to-my-8-year-old-daughter/

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!